| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第14-24页 |
| 1.1 研究背景与研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 基于频率的分类变量相似度度量方法 | 第17页 |
| 1.2.2 基于本体的相似度度量方法 | 第17-18页 |
| 1.2.3 基于概率语言模型的相似度度量方法 | 第18-19页 |
| 1.2.4 空间数据分析中语义相似度度量的应用 | 第19-20页 |
| 1.2.5 存在的问题 | 第20-21页 |
| 1.3 创新点和主要研究工作 | 第21-22页 |
| 1.4 论文的组织结构 | 第22-24页 |
| 2 基础理论与相关技术 | 第24-53页 |
| 2.1 基于频率的分类变量相似度度量方法 | 第24-31页 |
| 2.1.1 基于频率的无监督分类变量相似度算法 | 第24-27页 |
| 2.1.2 基于频率的有监督分类变量相似度算法 | 第27-31页 |
| 2.2 词汇向量 | 第31-44页 |
| 2.2.1 词汇分布表示与统计语言模型 | 第31-33页 |
| 2.2.2 词汇向量模型 | 第33-37页 |
| 2.2.3 CBOW模型和Skip-gram模型 | 第37-44页 |
| 2.3 经典分类器模型 | 第44-51页 |
| 2.3.1 K最近邻分类器 | 第45-46页 |
| 2.3.2 感知机模型 | 第46-48页 |
| 2.3.3 朴素贝叶斯分类器 | 第48-51页 |
| 2.4 距离度量 | 第51-53页 |
| 2.4.1 闵可夫斯基距离 | 第51页 |
| 2.4.2 f-散度 | 第51-53页 |
| 3 基于分类器模型的分类变量相似度研究 | 第53-69页 |
| 3.1 基于分类器模型构建分类变量相似度的基本思想 | 第53-54页 |
| 3.2 相似度问题的形式化描述 | 第54-56页 |
| 3.3 基于朴素近似熵的分类变量相似度构建方法 | 第56-62页 |
| 3.3.1 分类器模型的选择 | 第56-58页 |
| 3.3.2 基于朴素近似熵的分类变量相似度方法 | 第58-61页 |
| 3.3.3 基于朴素近似熵的分类变量相似度方法在K-Modes中的应用 | 第61-62页 |
| 3.4 实验与结果分析 | 第62-68页 |
| 3.4.1 NAES的准确性验证 | 第63-66页 |
| 3.4.2 NAES的有效性验证 | 第66-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 朴素贝叶斯分类器在相似度度量中的适用性分析 | 第69-85页 |
| 4.1 朴素贝叶斯分类器的距离模型分析 | 第69-73页 |
| 4.1.1 朴素贝叶斯分类器的改进算法分析 | 第69-71页 |
| 4.1.2 互信息匹配的半朴素贝叶斯分类器 | 第71-73页 |
| 4.2 朴素贝叶斯分类器的空间模型分析 | 第73-76页 |
| 4.2.1 朴素贝叶斯分类器的分类准确度与Hellinger距离的关系 | 第73-75页 |
| 4.2.2 基于Hellinger距离的属性选择算法 | 第75-76页 |
| 4.3 实验及结果分析 | 第76-84页 |
| 4.3.1 互信息匹配的半朴素贝叶斯分类器的实验与结果分析 | 第76-79页 |
| 4.3.2 基于Hellinger距离的属性选择算法的实验与结果分析 | 第79-84页 |
| 4.4 本章小结 | 第84-85页 |
| 5 基于Hellinger距离的相似度研究 | 第85-100页 |
| 5.1 Hellinger距离分类器 | 第85-92页 |
| 5.1.1 基于距离的分类器模型 | 第86-87页 |
| 5.1.2 基于Hellinger距离的分类器 | 第87-92页 |
| 5.2 基于Hellinger距离的分类变量相似度 | 第92-94页 |
| 5.3 实验与结果分析 | 第94-99页 |
| 5.3.1 Hellinger距离分类器的性能验证 | 第94-95页 |
| 5.3.2 基于Hellinger距离的相似度的准确性验证 | 第95-98页 |
| 5.3.3 基于Hellinger距离的相似度在K-Modes算法中的有效性验证 | 第98-99页 |
| 5.4 本章小结 | 第99-100页 |
| 6 基于空间对象相似度的城市商业空间结构分析 | 第100-113页 |
| 6.1 城市商业空间结构的分析方法 | 第101-107页 |
| 6.1.1 数据的获取 | 第101-103页 |
| 6.1.2 数据的预处理 | 第103-105页 |
| 6.1.3 基于Hellinger距离分类变量相似度的商业评价指数计算 | 第105-107页 |
| 6.2 空间分布的可视化分析 | 第107-110页 |
| 6.3 与已有空间数据分析方法的对比 | 第110-112页 |
| 6.4 本章小结 | 第112-113页 |
| 7 结论与展望 | 第113-116页 |
| 7.1 研究工作总结 | 第113-114页 |
| 7.2 未来工作展望 | 第114-116页 |
| 参考文献 | 第116-124页 |
| 作者简历 | 第124-125页 |
| 学位论文数据集 | 第125页 |
